转载自：学术那些事儿（ID：ldriji）
图片来源：网络
内容来源：募格学术、新智元（ID：AI_era）、NAM、 新京报、环球人物等
10月19日，美国国家医学科学院（National Academy of Medicine）在年度会议上宣布了新入选的90名正式成员和10名国际成员。

百位新成员都是为医学科学、公共卫生等事业作出重大贡献的个人，其中，「华人AI女神」李飞飞入选。
在入选名单公布后，李飞飞发推致谢：「感谢！真心希望人工智能能够通过改善医疗服务来帮助我们的临床医生和患者。」
此外，入选正式成员的还有哈佛大学华人教授庄小威；中国工程院副院长王辰也入选新晋国际成员。
今天，我们要给大家介绍的，就是这位打过零工，33岁拿到斯坦福副教授职位，后入职谷歌又重返斯坦福，还当选了美国工程院院士的「华人AI女神」李飞飞。
01
打过零工，上过报纸，
西藏学医，华人AI女神的
坚持与独行
「8年，两代博士生，10几位本科，硕士，博士和博士后，近10位斯坦福医学院医生和教授，两所北美高校医院，十几篇AI论文和半打医疗期刊论文，终于汇成这篇Nature文章。」在庆祝团队的文章登上Nature，李飞飞在朋友圈感慨道。
李飞飞，是个集美貌与才华于一身的女科学家。
1976年出生的李飞飞，年仅33岁时便获得了斯坦福的终身副教授职位，不仅是斯坦福AI实验室唯一的女性，还是计算机系最年轻的副教授。
她曾任谷歌AI负责人职位，2018年重返斯坦福校园任教，如今是Twitter公司董事会新独立董事。

然而成功不是一蹴而就的，这些光辉头衔下，李飞飞从来都是一个执着而且专注的人。
她的背后，也隐藏着一段颇为传奇励志的人生。
做清洁工、当中餐馆收银员、开洗衣店……你能把这些名词与她联系在一起吗？
李飞飞的父母都是当时的高级知识分子，怀抱着一颗追求学术梦想的心，上世纪90年代，他们带着16岁的李飞飞来到新泽西洲 Parsippany 小镇。
然而初到美国，李飞飞就遇到了困境——不会说英语。
由于全家都对英语一窍不通，他们在那边的生活经历了不少波折。
“虽然我的父母都是知识分子，但是他们不会说英文。因此，虽然有着一颗工程师和科学家的心，但我的父亲只能做相机修理工作，母亲则是一名收银员。
我们没有钱，为了学业我做了各种各样的工作。但我没有因此而感到沮丧，因为我的家人和我一样为了生计在努力工作，我们相互扶持，共同度过难关。”
为了分担家里的负担，小小年纪的李飞飞就打起了各种零工，收银员、清洁工、服务员……在打工的同时，她也不放弃任何与外国人交流的机会，以克服英语的难题。
高中时，李飞飞在镇政府、教育部门、多所高中之间奔走数月，好不容易才进了一所当地排名中等的学校。
但如果想要进入一所好大学，李飞飞不仅要在少的可怜的学习时间里，迅速掌握英语，还要拿出一份极其优秀的成绩单，只有这样，才能拿到顶尖大学的奖学金。否则，以他们的家境，是付不起美国私立名门的高昂学费的。
凭借着毅力，李飞飞交出了满意的成绩单。她被普林斯顿大学计算机系全额奖学金录取！
她的成功在小镇上名噪一时。1995年，镇上的报纸还报道了这个小姑娘的奋斗经历。
普林斯顿的学术生活对李飞飞而言是幸福的。在这里，她接触到了大量的优秀人才，完全不同于打工所经历的。但是，她的父母却仍在 Parsippany 过着艰难的生活。
为了改善父母生活，李飞飞敏锐地注意到了市场上的机会，借钱买下一家洗衣店，交给父母经营。她从此过上了双重生活，周一到周五，她是普林斯顿的高材生，拼命努力吸收知识；周六到周日，她则走出实验室，穿上白围裙，给洗衣店帮忙。
对我来说，这像是一个双城生活的故事。周一到周五，我是普林斯顿物理系的学生，到了周末，我回到Parsippany，帮家里打理洗衣店的生意。在那个时候，有很多人都辍学开起了干洗店。
事后她笑言：“我非常爱普林斯顿，不过也非常爱我的洗衣店，缺少了它们中的任何一件，都没有现在的我。”
在普利斯顿经历了快乐的求学时光后，时间来到1999年，22岁的李飞飞以优异的成绩毕业。
和她的同学一样，风光无限的华尔街是最佳选择，但这个特立独行的女孩却有着自己的想法——去西藏研究藏药。
一年后，李飞飞从西藏归来，这段时间虽短，但对于李飞飞来说影响较为深远。
回来后的李飞飞依旧没有选择华尔街，而是决定去加州理工学院读取人工智能与计算机神经科学博士学位。
在她读研究生期间，她的母亲查出来癌症和中风，一夜之间仿佛天塌了一般。“最现实的生存挑战是如何全力以赴、如何身兼重任并诚实的面对心中的梦想。”回忆起那段往事，飞飞教授感慨道。
而也正是因为母亲，李飞飞深刻的认识到医疗需要AI。
02
毕业后研究冷门方向一举成名
在医院陪伴母亲，有了新的想法
博士毕业后，李飞飞进入斯坦福大学的AI实验室，深入研究计算机视觉识别。
在当时，图像识别并不是一个流行的研究方向。图像识别技术，是人工智能发展道路上的一座高峰。简单来说，它就是要教会计算机看图说话。要知道，“看到”和“懂得”是不一样的。

一个3岁小孩能从图片中识别出“猫”，可是计算机却做不到。李飞飞研究了很长时间，始终没有突破。交好的教授都劝她换个方向，以便拿到 tenure。
她当然没有同意。有一天，李飞飞突然意识到，由于人眼每200毫秒就能获取一幅图像，一个3岁儿童可能已经获得了上亿次的图像识别训练，是计算机的几何级倍数。也就是，关键在于自主训练量。
李飞飞马上开始着手，从 twitter 上抓取海量照片，将它们统统打上标签后，训练计算机进行机器学习。机器学习（machine learning），就是给出一定算法，让计算机自己学习。
这个过程是艰苦的。如今，机器学习已经是热门概念，可在2007年，李飞飞的实验室缺少人手，又申请不到经费，最困难的时候，她一度想重开洗衣店，筹集实验资金。
她从亚马逊的众包平台中找到了解决办法，让全世界的网友一起给图片打标签。当时，李飞飞的研究项目，一度是该众包平台全球最大的雇主。
一个前所未有的庞大数据库建成了，这就是大名鼎鼎的 ImageNet。李飞飞没有敝帚自珍，而是将ImageNet数据库开源，供学术和商业界的每一个实验室调取。图片识别技术从此飞速发展，现在已经能辨识出大部分物体，还能用高度拟合的人类语言，将它们描述出来。
自此，李飞飞在学术道路上一举成名。由于学术成就卓著，李飞飞收到了很多社会活动的邀请。她曾经接受过 New York Times 的访谈，也曾登上TED的舞台，讲述图形识别技术发展的背后故事。
近年来，李飞飞也一直致力于让AI在医疗领域派上用场。
此前在医院陪伴母亲的一段时光，她更是发觉：医疗需要AI。
她跨学科资源，利用AI、计算机视觉等技术解决一些医疗健康中的难题。
就在前不久，她的团队历时8年打造的论文登上Nature，这是一篇关于利用人工智能传感器和AI算法帮助改善患者和临床医生医疗服务的文章。
在文章「Illuminating the dark spaces of healthcare with ambient intelligence」中，李飞飞团队回顾了这项技术如何改善我们对隐性黑暗的，未观察到的医疗空间的理解。
而在今年疫情期间，李飞飞也用自己的力量参与抗疫。
她的团队提出一种可以监控病人身体状况的AI家用系统，其中包括COVID-19症状。
2020年，李飞飞入选美国国家医学科学院。美国国家医学科学院也给予李飞飞博士的入选理由。
「帮助建立基于视觉的人工智能领域，产生各种高收益的医疗应用，包括她目前创新性的关注健康关键临床医生和患者行为识别。」
本次一同入选的，还有另一位华人科学家庄小威。她因开创性的超分辨率成像和基于成像的单细胞基因组学方面的成就而入选。

美国国家医学院（National Academy of Medicine）是美国科学界最高水平的四大学术机构（美国国家科学院、美国国家工程院、美国国家医学院、美国国家自然基金会）之一。
除自然基金会外，其他三院分别授予院士头衔。
国家医学科学院最初于1970年由国家科学院（National Academy of Sciences，NAS）成立，致力于解决健康、科学、医学和相关政策中的关键问题，并激励各部门采取积极行动。

NAM也是业界公认的最高荣誉之一，其认可并表彰那些在专业领域和为社会服务表现杰出的科学家学者。
早前，《纽约时报》称NAM是美国「关于健康和医学问题的最受尊敬和最权威的顾问，其报告可以改变全世界的医学思想。」
「这个杰出和多样化的新成员阶层是一个真正杰出的学者和领袖群体，他们在科学、医学、卫生和政策方面的专业知识将成为帮助不结盟运动应对当今最紧迫的卫生挑战的组成部分，并为全球每个人的利益告知卫生和卫生保健的未来。」美国国家医学院院长Victor j. Dzau说，「我很荣幸地欢迎这些受人尊敬的人加入国家医学院。」
新成员当选后，其成员总数超过2200个，国际成员的数目约为175个。

李飞飞简介
李飞飞博士是斯坦福大学计算机科学系的首位“红杉资本教授”，也是斯坦福大学“以人为本人工智能研究院”的联席院长。她于2013年至2018年担任斯坦福大学AI实验室主任。从2017年1月至2018年9月从斯坦福大学休假期间，她担任Google副总裁，并担任Google Cloud AI / ML首席科学家。2020年初，李飞飞入选了2020美国工程院院士。
李飞飞博士于1999年以优异的成绩从普林斯顿大学获得物理学学士学位，并于2005年从加州理工学院获得电气工程博士学位。她于2009年加入斯坦福大学担任助理教授。在此之前，她曾在普林斯顿大学（2007-2009）和伊利诺伊大学厄本那-香槟分校（2005-2006）任教。
版权说明：本文来源于网络  版权归原作者所有
鸣谢原作者及编辑 如有侵权 请联系我们删除
扫码关注【鲁稚的阳台】
继续阅读
阅读原文